Lista de modelos de confiabilidad de software

La fiabilidad del software es la probabilidad de que este provoque un fallo del sistema durante un tiempo de funcionamiento determinado. El software no falla por desgaste, sino por fallos en su funcionamiento, sincronización, secuenciación, datos o manejo de excepciones. El fallo del software depende del tiempo de funcionamiento, no del tiempo cronológico. Desde principios de la década de 1970 se han desarrollado numerosos modelos; sin embargo, varios de ellos comparten supuestos similares, si no idénticos. Existen dos tipos básicos de modelos: de predicción y de estimación.

1.0 Descripción general de los modelos de predicción de confiabilidad del software

Estos modelos se derivan de datos históricos reales de proyectos de software reales. El usuario responde a una lista de preguntas que calibran los datos históricos para obtener una predicción de la fiabilidad del software. La precisión de la predicción depende de la cantidad de parámetros (preguntas) y conjuntos de datos del modelo, de la actualidad de los datos y de la confianza del usuario en sus respuestas. Uno de los primeros modelos de predicción fue el TR-92-52 del Laboratorio de Roma. Fue desarrollado en 1987 y actualizado por última vez en 1992, y estaba orientado al software en sistemas de aviónica. El modelo no se actualizó después de 1992. Sin embargo, el modelo a gran escala se implementó en 1997, reutilizando muchos de los factores del modelo TR-92-52. Se añadieron nuevos factores de desarrollo para reflejar las nuevas tecnologías y los datos empíricos incluyeron datos de sistemas distintos a las aeronaves.

2.0 Descripción general de los modelos de crecimiento (estimación) de la confiabilidad del software

Los modelos de crecimiento (o estimación) de la fiabilidad del software utilizan datos de fallos de las pruebas para pronosticar la tasa de fallos o el tiempo medio entre fallos (MTBF) en el futuro. Estos modelos dependen de supuestos sobre la tasa de fallos durante las pruebas, que puede ser creciente, alcanzar un pico, disminuir o una combinación de ambas. Algunos modelos asumen un número finito y fijo de defectos inherentes, mientras que otros asumen un número infinito. Algunos modelos requieren un esfuerzo considerable para la estimación de parámetros, mientras que otros solo necesitan estimar unos pocos. Algunos modelos requieren el tiempo exacto entre cada fallo detectado en las pruebas, mientras que otros solo necesitan el número de fallos detectados durante un intervalo de tiempo determinado, como un día.